跳转到主要内容
DOSIA 通过单次 OAuth 握手连接 ByteSpike。之后，你正在聊的主脑就拿到了图像生成、图像分析、视频生成以及”用另一个 LLM 来写这个”的工具 —— 你从不需要粘贴 API key、切换面板、操心哪家 provider 托管哪个模型。 本页描述这个集成在用户视角下长什么样，以及其下的架构，方便任何在 debug 或在上面构建的人。

​
连接流程

DOSIA → 设置 → 账号 → "Connect ByteSpike account"
   ↓ 浏览器 OAuth (PKCE)
DOSIA 收到 token → GET /v1/account/capabilities
   ↓ partition + persist + reloadPlugins()
toast: "Connected · N 个主模型 + M 项工具能力"
桌面端一次点击、浏览器一次允许，DOSIA 就接好线了。Token 存在 macOS Keychain 里。手动 key 流程仍然支持，偏好那种方式的用户也能用 —— OAuth 是阻力最小的路径，不是硬要求。

​
连接之后你能做什么

你在 DOSIA 里对话的主脑现在拿到了能干活的工具：
你说DOSIA 做
”画一个扁平风格的红苹果”image-tools.generate_image(model=gpt-image-2, prompt=...)
”把这张图的背景换成蓝色” + 附件image-tools.generate_image 配 source_image
”这张照片里有几只猫？” + 附件image-tools.analyze_image(model=gpt-5-4, ...)
”做一段 5 秒的产品视频”video-tools.generate_video → poll_video
”让 GPT-5.5 帮我写一份这串对话的摘要”text-writing-tools.chat_with(model=gpt-5-5, ...)
”让 Gemini 把这段翻译成英文”text-writing-tools.chat_with(model=gemini-3.1-pro, ...)
主脑根据你的话术决定调哪个工具。你不切标签页；你不挑面板；你继续打字。

​
插件 / 工具表面

三个插件、三个 MCP server、共六个工具。
插件工具解决什么
image-toolsgenerate_image(model, prompt, source_image?)
analyze_image(model, image_url, question)		文生图、图生图、图像视觉
video-toolsgenerate_video(model, prompt, source_image?) → task_id
poll_video(task_id)
analyze_video(model, video_url, question) ⚠️		文生视频、图生视频、视频视觉（analyze 端点在 feature flag 后）
text-writing-toolschat_with(model, prompt, system?)用非主用 LLM（GPT / Gemini / DeepSeek / Doubao）做写作协处理器
⚠️ analyze_video 是预留的；对应的端点在写作本页时尚未在公开网关上线。工具定义放着，方便主脑做规划；调用时会返回明确的 “尚未可用” 错误，直到端点上线。

​
known-models 注册表 —— 四个桶

DOSIA 拉取 /v1/account/capabilities 时，ByteSpike 返回两个模型列表：
  • anthropicModels[] —— 你能用来聊天的 “主脑” 集合（claude-*，以及任意 anthropic-compat 别名）。驱动模型选择器。
  • otherModels[] —— 你账号被允许调用的其他所有模型（gpt-*、gemini-*、deepseek-*、gpt-image-2、sora-*、veo-* 等）。
DOSIA 用 known-models 注册表 对 otherModels[] 分桶，把每个 model id 映射到四类能力桶之一：
桶成员喂给用户看到的含义
image_generategenerate_image.model.enum”我能画图”
video_generategenerate_video.model.enum”我能做视频”
visionanalyze_image.model.enum、analyze_video.model.enum、以及 chat_with.model.enum”我能看图 / 用有视觉能力的模型来写”
external_chatchat_with.model.enum”我能用非 Claude 的 LLM 来写文字”
像 gpt-5-4 这样的视觉能力模型合理地出现在三个工具 enum 里 —— SDK 允许同一个 model id 出现在多个 enum 列表里，注册表把 vision 当作横切能力而不是单一桶。 注册表在 DOSIA 里，不在你账号里。给 ByteSpike 加新模型不会让旧 DOSIA build 出问题；它们只是忽略不认识的 id，直到下个 DOSIA 版本告诉它们这个 id 属于哪个桶。

​
端到端数据流

ByteSpike 管理员配置账号能力
        ↓
用户登录 DOSIA、点 Connect
        ↓
GET /v1/account/capabilities
   → { baseUrl, token, anthropicModels[], otherModels[] }
        ↓
DOSIA 主进程：
  ① anthropicModels → ModelSelector + 持久化到本地 DB
  ② otherModels 经 KNOWN_OTHER_MODELS 注册表分桶：
     { imageGenModels, videoGenModels, visionModels, externalChatModels }
  ③ 更新 user_capabilities 行
        ↓
DOSIA 注册一个 userMcpServerProvider 回调
        ↓ 每次 createSession() 调用
回调返回相应的 MCP server 集合：
  - image-tools         (baseUrl, token, imageGenModels, visionModels)
  - video-tools         (baseUrl, token, videoGenModels, visionModels)
  - text-writing-tools  (baseUrl, token, chatModels = external_chat ∪ vision)
        ↓
主脑看到的工具，其 enum 完全对应你账号的权限集合。
一个能力上没有图像生成模型的用户，根本拿不到 generate_image 工具 —— 不是灰色的、不是 “permission denied”。这个工具就没被加载。

​
权限刷新

权限会在会话中变（管理员把你加到一个模型、配额抬升、试用到期）：
触发发生什么
用户在 设置 → AI Models 里点 “Refresh permissions”重新拉取 capabilities → 重新分桶 → 持久化 → reloadPlugins()
DOSIA app 启动启动时静默拉取 + 重载
ByteSpike webhook（P7 之后的 stretch）服务端推动重载 —— 不需用户操作
重载后主脑的工具集合在下一次会话生效。现有会话保留它们的工具集合；这是有意的，权限变更不会打断进行中的对话。

​
这一切怎么对得上

如果你已经熟悉 DOSIA Agent 模式，本页描述的 MCP 集成是 DOSIA-ByteSpike 故事的 另一 半：Agent 模式讲的是 Anthropic Messages 协议把 tool_use / cache_control block 透传过去；MCP 集成讲的是 主脑一开始有哪些工具可用。 多模态端点 —— 见 多模态 —— 是 image-tools / video-tools 调用的底层 HTTP 表面。插件层把这些端点变成 chat 驱动的用户永远不必想的东西。

​
新用户配置清单

  1. 安装 DOSIA（对应平台最新签名 build）
  2. 打开 设置 → 账号 → Connect ByteSpike account
  3. 在浏览器批准 → 看到连接 toast
  4. 开一个新对话 → 让主脑画点东西、用 GPT 写、生成一段短片
如果你期望的工具没出现，先在 设置 → AI Models 里点 Refresh permissions 再开工单。大多数 “找不到工具” 的反馈追到底都是权限授予尚未传播 —— 一次刷新就能解决，不用 support 介入。